Stage PFE Forest Sentinel (IA & Écologie, Deep Learning, Imagerie satellite, Lutte contre la déforestation)

Aubay; Boulogne-Billancourt; Sur place; EUR 10 000 - 15 000; Plein temps

Avantages offerts par ce poste

Stage en lab’Innov Aubay

Projets IA & DL

Résumé du poste

Aubay recherche un stagiaire de fin d'études pour rejoindre le lab'Innov et travailler sur Forest Sentinel, une solution DL appliquée à la télédétection.

Le stage se déroule à Paris ou à Lyon, de 4 à 6 mois, avec une mission centrée sur l'entraînement d'un modèle de détection et l'intégration dans une application utilisateur simple et efficace.

Qualifications

• Stage de fin d'études de 4 à 6 mois (février–avril 2027).
• Étudiant en dernière année d'école d'ingénieur ou équivalent.
• Connaissances en Python et frameworks DL souhaitées (PyTorch/TensorFlow).

Responsabilités

• Réaliser un état de l'art structuré sur la détection de déforestation par DL.
• Concevoir et implémenter des améliorations par rapport à l'état de l'art.
• Constituer et prétraiter un jeu de données d'entraînement multi-sources.
• Implémenter un modèle baseline de segmentation/détection de changement.
• Intégrer le tout à une application accessible et intuitive.

Connaissances

Deep Learning

Computer Vision

Python

Formation

Dernière année d'école d'ingénieur

Outils

PyTorch

TensorFlow

Streamlit

Description du poste

Ce sujet de stage est rattaché au lab'Innov d'Aubay. il s'agit de la cellulle d'innovation du groupe Aubay. Tu pourras intervenir sur des projets en mode R&D adoptant une approche agile. À Paris ou à Lyon, nous te proposons des sujets Innovants notamment sur l’IA, la Data, le numérique responsable ... et encore pleins d’autres à découvrir !

ici, nous te proposons le stage "Forest Sentinel"

Entraîne une IA à repérer la déforestation depuis l'espace, et transforme des images satellite en alertes utiles pour les ONG et les autorités.

Chaque année, des millions d'hectares de forêt disparaissent : la déforestation tropicale est aujourd'hui l'une des premières causes d'émission de gaz à effet de serre et de perte de biodiversité. Pour réagir vite, ONG et autorités s'appuient sur l'imagerie satellite… mais les modèles actuels se heurtent à trois murs : des données très déséquilibrées, une couverture nuageuse qui masque le terrain, et des types de forêts trop différents d'une région à l'autre.

Ton défi : construire Forest Sentinel, un outil de détection par deep learning capable de surveiller n'importe quelle zone géographique, et de transformer une image satellite en alerte exploitable.

Tes missions seront les suivantes :

• Réaliser un état de l'art structuré sur la détection de déforestation par deep learning.
• Concevoir et implémenter une ou plusieurs améliorations par rapport à l'état de l'art
• Constituer et prétraiter un jeu de données d'entraînement multi-sources.
• Implémenter un modèle baseline de segmentation / détection de changement.
• Intégrer cela à une application intuitive et accessible

Ce stage, c'est l'occasion de te spécialiser sur un domaine en pleine explosion et encore rare en formation initiale : la télédétection appliquée au deep learning.

Tu repartiras avec :

• une vraie expertise en computer vision sur données satellite (un profil recherché et différenciant sur le marché),
• l'expérience complète d'un projet IA de bout en bout : données, modèle, application,
• un projet concret et démontrable à mettre en avant dans ton portfolio et tes entretiens,
• et surtout la satisfaction de mettre ton code au service d'un impact environnemental réel.

Mots clés

#IAforGood #DeepLearning #ComputerVision #Satellite #Écologie #Déforestation #DataScience

Stack technique

Python, PyTorch / TensorFlow, Computer Vision, Segmentation sémantique, Imagerie satellite (Sentinel / Landsat), Machine Learning, Streamlit / API

Tu es en dernière année d'école d'ingénieur ou équivalent, et tu recherches un stage de fin d'études de 4 à 6 mois, pour démarrer entre février et avril 2027.

Tu es une personne motivée, dynamique et autonome. Avec un attrait pour la R&D et l'innovation. Tu aimes le travail en équipe.